基于任务自适应全局特征自引导网络的灵活示例图像增强方法
计算机视觉与模式识别
2020-09-29 v2 机器学习
摘要
我们提出了首个实用的多任务图像增强网络，能够学习一对多和多对一的图像映射。我们表明，我们的模型在学习单一增强映射时优于当前最先进水平，同时参数量显著少于同类方法。此外，该模型通过利用共享表示，在同时学习多个映射时实现了更高的性能。我们的网络基于最近提出的 SGN 架构，并进行了针对融入全局特征和风格自适应的修改。最后，我们提出了一种用于多任务图像增强的非配对学习方法，该方法基于生成对抗网络（GANs）。
引用
@article{arxiv.2005.06654,
title = {Flexible Example-based Image Enhancement with Task Adaptive Global Feature Self-Guided Network},
author = {Dario Kneubuehler and Shuhang Gu and Luc Van Gool and Radu Timofte},
journal= {arXiv preprint arXiv:2005.06654},
year = {2020}
}